使用分布式 3D LiDAR 实现隐私保护的行人跟踪
利用光探测与测距(LiDAR)和物联网(IoT)技术的整合,在城市安全和行人福祉方面为公共卫生信息学提供了变革性机会。本文提出了一种利用这些技术进行增强型城市交通场景下的三维物体检测和活动分类的新框架。通过使用高架 LiDAR,我们获取了详细的三维点云数据,实现了精确的行人活动监测。为了克服城市数据匮乏问题,我们通过在 Blender 中模拟交通环境,创建了一个专门的数据集,便于针对性的模型训练。我们的方法采用了改进的基于点体素区域的卷积神经网络(PV-RCNN)进行稳健的三维检测和 PointNet 进行行人活动分类,显著促进了城市交通管理和公共卫生,为理解行人行为、促进更安全的城市环境提供了洞见。我们的双模型方法不仅提升了城市交通管理,还通过提供对行人行为的洞见,显著贡献于公共卫生和更安全的城市环境。
Apr, 2024
本论文介绍了一种利用提升式激光雷达(LiDAR)传感器的能力,通过转变交通场景中的三维物体检测和分析的框架来改善在城市环境中的三维物体检测能力。利用模拟器生成三维点云数据集,通过训练和评估三维物体检测模型,准确识别和监测模拟城市交通环境中的车辆和行人。针对由模拟交通生成的大量点云数据,优化了基于点体素区域的卷积神经网络(PV-RCNN)架构,提升了其处理和理解能力。实验结果表明所提出的解决方案在准确检测交通场景中的物体方面的有效性,并强调了激光雷达对提升城市安全和推动智能交通系统的作用。
May, 2024
本研究提出了一种创新的框架,通过使用单个 LiDAR 系统、点密度填充和零样本学习技术,以及提取感兴趣对象的高低、加速度和速度等特征,实现了交通流量数据收集、物体检测和自动生成立体包围盒的自动化,从而克服了多个 LiDAR 系统和复杂的立体标注过程的限制。
Jan, 2024
从车辆收集的视频中进行三维重建较为困难,车辆的前向运动速度较快。与标准基准相比,对象经常出现在相机远离的地方,图像质量通常会因为运动模糊而降低,并且经常会发生遮挡。这导致了交通数据专门基准的普及。最近,光探测与测距(LiDAR)传感器因其直接估计深度而变得流行,无需进行三维重建。然而,与基于图像的方法相比,基于 LiDAR 的方法在远距离的关节人体检测方面仍然存在欠缺。我们假设针对 LiDAR 数据的关节人体感知基准可以促进交通中关于人体感知和预测的研究,并可能提高行人的交通安全。
Sep, 2023
无人驾驶车辆中的目标检测与跟踪任务主要依靠相机和 LiDAR 等多种传感器,本研究在使用 LiDAR 点云的新编码方式基础上,通过推断自动驾驶车辆附近不同类别物体的位置,实现了对场景中物体位置和方向的预测。
Dec, 2023
提出了一种多相机 3D 行人检测方法,该方法不需要使用目标场景的数据进行训练,通过基于人体姿势和来自现成单目检测器的人物包围框的新启发式方法在地面平面上估计行人位置,然后将这些位置投影到世界地面平面,并用新的团覆盖问题公式进行融合,同时还提出利用域通用的行人再识别模型在融合期间对行人外貌的选择性步骤,评估表明,在具有挑战性的 WILDTRACK 数据集上,所提出的方法获得了 0.569 的 MODA 和 0.78 的 F 分数,优于现有的最先进的通用检测技术。
Apr, 2021
利用预训练策略检索 3D 人体形状特征,引入基于图形的补充增强编码器提取全面特征的 LiDAR 感知的人物再识别(ReID)框架,构建了首个 LiDAR 感知的人物 ReID 数据集 LReID 以及用于预训练编码器的模拟行人数据集 LReID-sync,并在 LReID 上进行了大量实验,表现出 94.0 的排名 1 准确率,突显了 LiDAR 在解决人物 ReID 任务中的重要潜力。
Dec, 2023
本文提出了一个开源、低成本、可扩展和隐私保护的边缘计算框架,用于室内多人定位,其中包括多个 Tensor 处理单元 (TPU) 摄像头系统,配合基于 Kalman 滤波的多人跟踪方法和一种先进的身体方向估计方法,能够同时确定多人的位置和朝向,并保证了个人隐私,实现了优化的数据传输和存储以及可扩展性。
May, 2023